哈薩比斯最新訪談：通往AGI需突破單純的上下文窗口擴容，建立持續學習與記憶機制
核心觀點：AGI需突破持續學習機制
在4月29日接受YC訪談時，DeepMind CEO德米斯·哈薩比斯（Demis Hassabis）提出，實現通用人工智能（AGI）的關鍵在於突破單純的上下文窗口擴容，必須建立持續學習與記憶機制。當前AI系統雖在特定領域表現優異，卻缺乏真正的“博士級智能”，其能力受限於缺乏長期記憶與持續學習能力。
強化學習將重塑大模型推理能力
哈薩比斯指出，強化學習將重塑大模型的內省與推理能力，使AI系統能夠通過試錯與反饋機制不斷優化自身行為，從而提升推理的深度與一致性。這一機制被視為通往AGI的重要路徑。
未來展望與技術路徑
- 哈薩比斯預測，未來十年內可能實現虛擬細胞模擬，作為AI驅動科學發現的里程碑。
- 他強調，AGI的實現仍面臨根本性瓶頸，包括模型一致性、長期規劃能力與幻覺問題。
- 在商業化與安全層面，AI可能帶來勞動力替代、財富集中、能源使用等重大社會挑戰。
相關延伸思考
哈薩比斯提出“三層創造力模型”，認為AI的突破需結合創造力、問題解決與系統性思維，這為AGI的構建提供了理論框架。他也指出，AI正逼近一場技術變局的臨界點，可能引發人類文明的重大變革。